10月28日，2026智算生态大会“AI算力场景应用与产业融合·工业智算场景应用论坛”在深圳国际会展中心举行。论坛由深圳市龙华区投资促进服务中心、励展博览集团、深圳市电子商会以及OFweek维科网共同主办，汇聚海光信息、云天半导体、曙光数创、长光卫星、光羽芯辰、中科天塔、卡奥斯、齐力半导体等产业代表，围绕算力架构、先进封装、液冷基础设施、电子制造和工业AI应用展开交流。

2026智算生态大会“AI算力场景应用与产业融合·工业智算场景应用论坛

随着大模型推理和行业智能应用加速发展，AI算力正在迎来更加多元的应用需求。从大型智算中心到企业私有化部署，从工业智能、边缘计算到空天应用，新兴场景不断拓展算力的应用边界，也对计算效率、能耗、部署成本以及系统可靠性提出了差异化要求。这些需求正沿产业链向上游传导，推动AI芯片、先进封装、高速互联、液冷以及软件生态等环节持续演进，为算力产业与电子制造产业带来新的增长机会。

作为NEPCON ASIA 2026及同期产业展会的重要活动，论坛将算力技术与电子制造、产业应用放到同一讨论框架中，也为观察AI产业下一阶段的工程化需求提供了多个切口。

从芯片性能到系统效率，算力竞争正在延伸

深圳市龙华区投资促进服务中心党组成员、副主任 雷喜华

深圳市龙华区投资促进服务中心党组成员、副主任雷喜华在论坛致辞中表示，龙华区正围绕“数智龙华、中轴枢纽”战略，以数字经济和人工智能为两大核心引擎，加快构建现代化产业体系，重点发展半导体与集成电路等战略性新兴产业。他指出，工业算力底座是连接产业体系、支撑制造业数字化转型的重要基础。龙华区将坚持以场景牵引技术创新、以应用激活产业生态，持续在算力基础设施建设、企业研发投入、应用场景开放、人才引育以及产业空间供给等方面发力，推动形成从芯片算力底座到工业场景应用的完整产业生态。

这一产业生态的形成，离不开算力技术与制造业实际需求的深度衔接。当计算能力进入工厂，企业需要考虑的不仅是芯片性能和算力规模，还有计算资源如何适配具体生产任务、融入现有业务系统，以及如何转化为实际应用成效。

海光信息技术股份有限公司解决方案专家李强在《算力入网，智造入景——AI算力产业从基础设施到场景智能的需求迁移》主题演讲中，便将讨论重点放在工业企业的实际任务上。他没有停留在芯片参数的介绍，而是从产业需求变化出发，探讨国产算力如何通过技术与生态协同，更好地服务工业制造场景。

海光信息技术股份有限公司解决方案专家 李强

在他看来，不同工业场景需要不同的AI技术方案。例如，质量检测关注缺陷漏检率，生产制造更强调响应时延与生产节拍，设备运维则需要结合实际运行数据判断故障风险。如果只比较算力卡的峰值性能，难以准确评价其在这些场景中的应用效果。

这种需求差异也影响着模型部署方式。李强介绍，工业AI可以根据企业数据安全、软件系统及工程团队条件，选择私有化模型、模型服务平台或业务智能体等不同方案。它们并非简单的替代关系，实际部署往往需要结合企业现有系统和业务流程进行选择。

海光信息还围绕国产CPU、AI加速处理器、软件适配工具以及产业生态，介绍了工业质检、设备运维和行业算力平台等应用实践。相比单纯提供计算硬件，芯片企业需要进一步参与模型优化、软件迁移和行业方案开发，才能降低客户使用算力的门槛。

计算架构之外，先进封装也在成为高性能芯片持续升级的重要支撑。

厦门云天半导体科技有限公司CEO于大全在《玻璃基板与板级封装：新时代高性能芯片封装互连的关键》演讲中，围绕高性能芯片封装的发展路径展开了技术分析。

厦门云天半导体科技有限公司CEO 于大全

随着先进制程持续演进，单纯依靠晶体管微缩提升系统性能面临更多技术和经济约束。通过2.5D/3D集成、多芯粒互联及更大尺寸的封装结构，提高计算单元之间的数据交换效率，正在成为高性能计算系统的重要发展方向。

于大全特别讨论了玻璃基板与面板级封装的工程挑战。玻璃基板具备尺寸稳定性及高密度互联方面的应用潜力，但要实现规模化制造，仍需解决玻璃通孔金属化、多层再布线、热膨胀失配、翘曲控制以及长期可靠性等问题。

面板级封装有望通过扩大单次加工面积改善生产效率，但更大的加工尺寸也会提高工艺一致性和良率控制的难度。材料、设备与制造工艺能否共同成熟，将直接影响相关技术的商业化进程。

芯片集成度提升带来的另一个变化，是散热系统对计算性能的影响越来越直接。

曙光数据基础设施创新技术（北京）股份有限公司华南区总监胡亚伟在《液冷基础设施在AIDC发展中的应用与实践》中提出，液冷技术的价值不能只从节约冷却能耗的角度衡量。

曙光数据基础设施创新技术（北京）股份有限公司华南区总监 胡亚伟

让高价值的计算芯片在稳定的工作温度下持续运行、充分释放计算能力，是液冷基础设施的重要价值。

胡亚伟介绍，随着AI服务器和机柜功率密度持续提高，数据中心建设需要同时考虑芯片散热、供配电、系统集成以及运行稳定性。曙光数创围绕冷板式液冷、相变冷却及高密度计算系统开展了持续的技术迭代，并在国家超算互联网相关基础设施项目中进行应用探索。

这也使算力系统的性能评价进一步从单个芯片向集群和基础设施延伸。芯片具备的理论计算能力，需要经过互联、供电、散热以及软件调度等环节，才能转化为实际可持续输出的算力。

AI进入制造现场，技术价值需要经受工艺与业务检验

如果说算力芯片、先进封装和液冷解决的是计算能力如何形成并稳定运行，那么工业应用更关注这些技术能否改变具体的生产过程。

在《AI在电子产线AOI检测算法的运用》演讲中，信维通信集团高级工艺经理李志求从电子制造企业的实际使用需求出发，分析了传统AOI检测的技术难点。

电子产品的制造过程存在大量细微差异。不同批次元器件的颜色、丝印及尺寸可能发生变化，PCB经过回流焊后也可能出现一定程度的形变。这些变化会影响自动光学检测的结果，并增加参数调整及人工复核的工作量。

传统AOI系统往往需要针对不同元器件、焊点及缺陷类型进行编程和调试。李志求介绍，在部分复杂检测任务中，编程可能耗费两三个小时；采用AI辅助自动编程后，则有机会将相关工作缩短至半小时以内。

但他同时指出，误报率与漏检率之间的平衡、检测标准的一致性，以及AI结果如何进入生产管理系统，仍然是企业采用相关技术时需要解决的问题。

对于已经安装大量传统AOI设备的工厂，通过第三方AI软件进行升级，也可能成为一种现实选择。制造企业不一定需要为了引入AI而全部更换现有设备，关键是技术改造能否改善实际工序，并形成可验证的质量和效率收益。

类似的应用逻辑，也出现在工业互联网平台的发展中。

卡奥斯物联科技股份有限公司企业级工业互联网平台解决方案总监徐海涛，在《AI+工业互联网助力制造业数智化升级》演讲中，讨论了工业AI落地之前必须解决的数据和业务问题。

卡奥斯物联科技股份有限公司企业级工业互联网平台解决方案总监 徐海涛

制造企业的数据往往分布在设备、PLC、MES、ERP以及不同生产管理系统中。即使拥有先进模型，如果底层数据缺乏有效连接、治理和统一的业务定义，AI也很难直接参与生产决策。

徐海涛提出，企业选择AI应用场景，需要同时考虑业务价值、数据基础和业务流程的适配程度。大型企业可以通过工业互联网平台逐步建设统一的数据与智能化底座，中小企业则可以优先选择价值明确、实施条件相对成熟的具体应用。

设备预测性维护、生产排程、视觉质检、工艺参数优化以及能源调度，都是其介绍的工业AI应用方向。

在具体案例中，卡奥斯将AI用于设备健康管理、电子制造工艺优化以及工业能源系统调度。徐海涛还分享了通过AI分析和优化空压机组运行策略、降低能源消耗的项目实践。

当人工智能进一步延伸至产品研发和工艺设计，计算技术与制造技术的结合又呈现出不同特点。

上海东岚创智科技有限公司创始人郭亮在《AI在先进制造业的最佳实践——研造双轮共生》中，介绍了材料研发与生产工艺相互连接的技术思路。

在材料研发端，自动化实验设备能够完成部分上料、检测及数据采集工作，并将实验结果反馈给模型进行分析；在制造端，企业可以利用历史工艺数据、材料物性参数与设备运行信息，开展工艺仿真和参数优化。

其中的关键，是让研发实验产生的数据真正参与生产过程中的工艺改进，使材料选择、设备运行和制造结果形成持续反馈。

企业内部AI应用的扩大，也带来了模型调用、成本和数据安全方面的管理需求。

授客AI CEO张晓华在《让算力创造业务价值：数字员工与Token全周期治理》中，讨论了企业使用多个大模型时可能出现的管理问题，包括模型接入分散、部门使用成本难以统计、敏感数据外发风险以及AI执行过程缺乏统一审计等。

他介绍了通过统一模型接入、权限管理、数据安全审计以及数字员工平台，管理企业AI使用过程的解决思路。

这意味着，企业对AI应用的管理正在从模型能否完成任务，进一步延伸至模型如何被调用、成本由谁承担、数据是否安全以及结果能否进入既有业务流程。

航空航天领域则提供了另一个具有代表性的计算场景。

西安中科天塔科技股份有限公司解决方案部部长、高级工程师唐卫涛，在《地面测运控到卫星智驾——华山大模型赋能星上自主智能感知与任务决策工程实践》演讲中，介绍了卫星自主运行相关的软件架构及工程研究。

西安中科天塔科技股份有限公司解决方案部部长、高级工程师 唐卫涛

随着卫星数量增加，传统高度依赖地面测运控的管理方式面临任务调度、通信窗口以及运营成本等方面的挑战。中科天塔正在探索将空间目标感知、碰撞预警、卫星健康管理以及任务自主规划等能力进一步部署到星上。

唐卫涛还介绍了利用星敏感器图像开展空间目标识别，以及对航天大模型进行轻量化处理的技术方案。

这些探索同样需要面对明确的工程约束。星上计算受到功耗、存储、通信以及硬件接口条件限制，软件算法能否运行，还取决于具体航天器的计算平台和系统设计，相关能力仍需要通过试验与实际运行持续验证。

不同应用环境的要求虽然相差很大，但这些案例说明，AI技术进入产业后，系统适配和工程实施往往与算法能力本身同样重要。

从技术验证到规模交付，产业链需要更早协同

在论坛最后的高峰圆桌《从智算中心到产业现场：AI算力规模化应用需要怎样的产业协同？》中，来自AI芯片、先进封装、液冷基础设施以及商业航天领域的四位企业代表，进一步讨论了技术走向规模化应用过程中遇到的具体问题。

圆桌对话：从智算中心到产业现场：AI算力规模化应用需要怎样的产业协同

圆桌由OFweek维科网半导体行业运营副总监李慕天主持，光羽芯辰科技有限公司华南区产品市场总监王润泽、齐力半导体（绍兴）有限公司TPM总监汤尔昌以及长光卫星技术股份有限公司经营发展部负责人张晓磊等参与讨论。

光羽芯辰重点谈到了新型AI芯片的软件生态及计算与存储之间的数据搬运问题。

光羽芯辰科技有限公司华南区产品市场总监 王润泽

对于端侧大模型推理而言，芯片的计算单元性能并不完全等于模型的实际运行效率。存储带宽、数据访问以及模型适配都会影响用户体验。光羽芯辰探索的3D堆叠近存算架构，正是希望通过缩短计算与存储之间的数据传输路径，改善实际推理表现。

但从芯片样品走向产品应用，软件生态仍然具有重要影响。不同计算平台之间的开发工具、模型部署方式以及适配成本，直接关系到新型芯片能否进入更多终端产品。

齐力半导体则从先进封装制造的角度回应了这一问题。

齐力半导体（绍兴）有限公司TPM总监 汤尔昌

随着AI芯片向2.5D/3D异构集成发展，封装已不再只是芯片完成设计之后的制造步骤。更高的互联密度和更复杂的封装结构，要求封装企业在设计阶段更早参与，提前进行热、电、结构和材料等方面的协同验证。

汤尔昌在讨论中提到了先进封装量产涉及的翘曲、底部填充空洞、工艺一致性以及供应链材料等问题。这些问题既影响产品良率，也关系到芯片能否实现稳定的批量交付。

来自应用端的长光卫星，则将讨论引向了一个与地面智算显著不同的场景。

长光卫星技术股份有限公司经营发展部负责人 张晓磊

据张晓磊介绍，传统遥感卫星获取影像后，通常需要将数据下传至地面进行处理，即“天数地算”。随着卫星智能化发展，部分数据识别和预处理任务开始探索在轨完成，通过提前筛选有效信息，减少不必要的数据传输。

例如，对遥感影像进行云量筛选，可以减少部分低利用价值影像的下传；对车辆、船舶等动态目标进行识别与信息提取，则有望提高特定监测任务的响应效率。在应急救援等时效要求较高的场景中，星上预处理还可以利用等待地面通信窗口的时间，提前完成部分数据分析工作。

从“天数地算”向部分任务“天数天算”演进，并不意味着地面算力将被完全取代，而是需要根据计算任务、数据传输和卫星自身的资源条件，合理分配计算工作。

这一变化也对上游算力产业提出了更具体的要求。

张晓磊在圆桌中谈到，AI模型从地面计算平台迁移到星上，面临软件适配和计算资源约束；与此同时，卫星运行环境还要求芯片具备更好的低功耗、宽温适应性、抗辐照能力及长期可靠性。

对遥感应用企业而言，星上AI的价值最终还需要体现在业务结果上，包括数据处理与交付时效，以及影像信息提取的准确性。只有这些能力得到持续验证，计算技术才能更有效地服务农业、自然资源、应急管理以及其他遥感应用需求。

长光卫星提出的需求，也为前面几家企业的讨论提供了一个实际应用参照。无论是芯片架构与软件生态、先进封装的制造能力，还是算力系统的工程可靠性，都需要在具体使用环境中接受检验。不过，地面数据中心与卫星在轨系统有不同的散热及工程条件，相关技术需要分别进行适配和验证。

从整场论坛的分享可以看到，AI算力产业的技术进步已经在多个层面形成相互联系的需求。芯片架构创新需要软件生态与封装制造配合，高密度计算需要稳定的供配电和热管理系统，而制造企业与行业用户最终仍要通过实际业务结果检验技术价值。这既是本次论坛多位嘉宾共同关注的问题，也将成为AI算力进一步实现规模化产业应用时需要持续回答的问题。